python - 在具有常量但不可散列对象的函数上使用 functools.lru_cache

Question

是否可以使用 functools.lru_cache 来缓存由 functools.partial 创建的部分函数？

我的问题是一个函数，该函数采用可散列参数和常量、不可散列对象(例如 NumPy 数组)。

考虑这个玩具示例:

import numpy as np
from functools import lru_cache, partial

def foo(key, array):
    print('%s:' % key, array)
a = np.array([1,2,3])

因为 NumPy 数组不可哈希，所以这行不通:

@lru_cache(maxsize=None)
def foo(key, array):
    print('%s:' % key, array)
foo(1, a)

正如预期的那样，您会收到以下错误:

/Users/ch/miniconda/envs/sci34/lib/python3.4/functools.py in __init__(self, tup, hash)
    349     def __init__(self, tup, hash=hash):
    350         self[:] = tup
--> 351         self.hashvalue = hash(tup)
    352 
    353     def __hash__(self):

TypeError: unhashable type: 'numpy.ndarray'

所以我的下一个想法是使用 functools.partial 摆脱 NumPy 数组(无论如何它是常量)

pfoo = partial(foo, array=a)
pfoo(2)

所以现在我有了一个只接受可散列参数的函数，并且应该非常适合 lru_cache。但是在这种情况下可以使用lru_cache吗？我不能将它用作包装函数而不是 @lru_cache 装饰器，可以吗？

有什么巧妙的方法可以解决这个问题吗？

Answer 1

由于数组是常量，您可以使用包装器围绕实际的 lru 缓存函数并简单地将键值传递给它:

from functools import lru_cache, partial
import numpy as np


def lru_wrapper(array=None):
    @lru_cache(maxsize=None)
    def foo(key):
        return '%s:' % key, array
    return foo


arr = np.array([1, 2, 3])
func = lru_wrapper(array=arr)

for x in [0, 0, 1, 2, 2, 1, 2, 0]:
    print (func(x))

print (func.cache_info())

输出:

('0:', array([1, 2, 3]))
('0:', array([1, 2, 3]))
('1:', array([1, 2, 3]))
('2:', array([1, 2, 3]))
('2:', array([1, 2, 3]))
('1:', array([1, 2, 3]))
('2:', array([1, 2, 3]))
('0:', array([1, 2, 3]))
CacheInfo(hits=5, misses=3, maxsize=None, currsize=3)